SVM for face detection

Gesloten gewichten Massachusetts Institute of Technology (MIT) June 1997

Geen schatting

Geen hardware-eisen voor dit model

De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..

Op record

Volledige specificatie

Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..

Oorsprong

Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.

Organisatie
Massachusetts Institute of Technology (MIT)
Organisatietype
Academia
Land
United States of America
Gepubliceerd
17 June 1997
Auteurs
E. Osuna, R. Freund, F. Girosi

Wat het doet

De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.

Domein
Vision
Taak
Object detection

Grootte

Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.

Training gegevens
50,000 tokens

Section 1: "The problem that we have to solve involves training a classifier to discriminate between face and non-face patterns, using a data set of 50,000points. "

Hoe het is geclassificeerd

Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.

Citaties
3,851

Bronnen

Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.

Referentie
Training Support Vector Machines: An Application to Face Detection
Laatst bijgewerkt
28 November 2025

Wat de cijfers betekenen

Wat dit model is

SVM for face detection werd gepubliceerd door Massachusetts Institute of Technology (MIT), in het land geregistreerd als United States of America, tijdens June 1997. De categorie waaronder de uitgever valt is academia.

Het werkt in het domein van Vision, en wordt geregistreerd als het uitvoeren van de taak van object detection.

Dit is een gesloten model: de getrainde waarden zijn bij degene gebleven die ze geproduceerd hebben, en er is geen lokale versie om te draaien.

Wat erin ging zitten om het te bouwen

De trainingsset liep naar ongeveer 50,000 tekstokens

Antwoorden

SVM for face detection — veelgestelde vragen

01

SVM for face detection— Welke GPU heb ik nodig om het te draaien?

Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.

02

SVM for face detection— is het open-source?

De licenties werden nooit vastgelegd in onze brondocumenten. We beschouwen niet-verklaarde licenties als gesloten, omdat een niet-vastgelegde licentie er geen is om op te vertrouwen.

03

SVM for face detection— hoeveel parameters heeft het?

Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.

04

SVM for face detection— wie heeft het gemaakt?

Het werd gepubliceerd door Massachusetts Institute of Technology (MIT), gebaseerd op United States of America, een organisatie geclassificeerd als academia.

05

SVM for face detection— wanneer is het uitgebracht?

Het werd gepubliceerd in June 1997. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.

06

SVM for face detection— waarvoor wordt het gebruikt?

Het werkt in het domein van Vision, en wordt geregistreerd als het afhandelen van object detection. Een model kan er verschillende van elk dragen, dus dit zijn de gebieden waarvoor het is gebouwd in plaats van een limiet op wat het zal proberen.

Bron

Originele publicatie

Laatste update geregistreerd 28 November 2025

De andere richting

Van de andere kant bekijken?

Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.